SQL优化

SQL优化

插入数据

• insert优化

  • 建议使用批量插入

  Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
  

  • 建议手动提交事务

  start transaction;
  insert into db_test values(1,'Tom'),(2,'Cat'),(3,'Bob');
  insert into db_test values(1,'Tom'),(2,'Cat'),(3,'Bob');
  insert into db_test values(1,'Tom'),(2,'Cat'),(3,'Bob');
  commit;
  

  • 建议主键顺序插入

  主键顺序插入，性能要高于乱序插入。
  主键乱序插入 : 8 1 9 21 88 2 4 15 89 5 7 3
  主键顺序插入 : 1 2 3 4 5 7 8 9 15 21 88 89
  

• 大批量插入数据

  如果一次性需要插入大批量数据(比如: 几百万的记录)，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的load指令进行插入。操作如下：

  

  可以执行如下指令，将数据脚本文件中的数据加载到表结构中：

  -- 客户端连接服务端时，加上参数 -–local-infile
  mysql –-local-infile -u root -p
  -- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
  set global local_infile = 1;
  -- 执行load指令将准备好的数据，加载到表结构中
  load data local infile '/root/sql1.log' into table tb_user fields terminated by ',' 
  lines terminated by '\n' ;
  

  在load时，主键顺序插入性能高于乱序插入

主键优化

数据组织方式

	在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表（index organized table  IOT）。

​ 行数据，都是存储在聚集索引的叶子节点上的。

InnoDB的逻辑结构图：

​ 在InnoDB引擎中，数据行是记录在逻辑结构 page 页中的，而每一个页的大小是固定的，默认16K。那也就意味着， 一个页中所存储的行也是有限的，如果插入的数据行row在该页存储不小，将会存储到下一个页中，页与页之间会通过指针连接。

页分裂

​ 页可以为空，也可以填充一半，也可以填充100%。每个页包含了2-N行数据（如果一行数据过大，会行溢出），根据主键排列。

主键顺序插入效果

​ 1.从磁盘中申请页，主键顺序插入

​ 2.第一个页没有满，继续往第一页插入

​ 3.当第一个页写满之后，再写入第二个页，页与页之间会通过指针连接

​ 4.当第二页写满了，再往第三页写入

主键乱序插入效果

​ 1.假如1#，2#页都已经写满了，存放了如图所示的数据：

​ 2.此时再插入id为50的记录，会再次开启一个页，写入新的页中吗？

​ 不会。因为，索引结构的叶子节点是有顺序的。按照顺序，应该存储在47之后。

​ 但是47所在的1#页，已经写满了，存储不了50对应的数据了。 那么此时会开辟一个新的页 3#。

​ 但是并不会直接将50存入3#页，而是会将1#页后一半的数据，移动到3#页，然后在3#页，插入50。

​ 移动数据，并插入id为50的数据之后，那么此时，这三个页之间的数据顺序是有问题的。 1#的下一个

页，应该是3#， 3#的下一个页是2#。 所以，此时，需要重新设置链表指针。

上述这种现象，就是发生了“页分离”，是比较耗费性能的操作。

页合并

​ 假设目前表中已有数据的索引结构(叶子节点)如下：

​ 当我们对已有数据进行删除时，具体的效果如下:

​ 当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记（flaged）为删除并且它的空间变得允许被其他记录声明使用。

​ 当我们继续删除2#的数据记录

​ 当页中删除的记录达到 MERGE_THRESHOLD（默认为页的50%），InnoDB会开始寻找最靠近的页（前或后）看看是否可以将两个页合并以优化空间使用。MERGE_THRESHOLD：合并页的阈值，可以自己设置，在创建表或者创建索引时指定。

​ 删除数据，并将页合并之后，再次插入新的数据21，则直接插入3#页

上述这种现象，就是发生了“页合并”。

索引设计原则

• 满足业务需求的情况下，尽量降低主键的长度。
• 插入数据时，尽量选择顺序插入，选择使用auto_increment自增主键。
• 尽量不要使用UUID做主键或者是其他自然主键，如身份证号。
• 业务操作时，避免对主键的修改。

order by 优化

MySQL的排序，有两种方式：

• Using filesort：通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区sort buffer中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序。

• Using index：通过有序索引顺序扫描直接返回有序数据，这种情况即为 using index，不需要额外排序，操作效率高。

对于以上的两种排序方式，Using index的性能高，而Using filesort的性能低，我们在优化排序操作时，尽量要优化为 Using index。

order by优化原则:

• 根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则。
• 尽量使用覆盖索引。
• 多字段排序, 一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC/DESC）。

-- 按年龄升序排列，年龄相同时按手机号降序排列
create index idx_user_age_phone_ad on tb_user(age asc ,phone desc);

• 如果不可避免的出现filesort，大数据量排序时，可以适当增大排序缓冲区大小sort_buffer_size(默认256k)。

group by 优化

在分组操作中，我们需要通过以下两点进行优化，以提升性能：

• 在分组操作时，可以通过索引来提高效率。

• 分组操作时，索引的使用也是满足最左前缀法则的。

limit 优化

​ 在数据量比较大时，如果进行limit分页查询，在查询时，越往后，分页查询效率越低。这就是分页查询的问题所在。

​ 例如，当在进行分页查询时，如果执行 limit 2000000,10 ，此时需要MySQL排序前2000010 记录，仅仅返回 2000000 - 2000010 的记录，其他记录丢弃，查询排序的代价非常大 。

​ 优化思路：一般分页查询时，通过创建 覆盖索引 能够比较好地提高性能，可以通过覆盖索引加子查询形式进行优化。

count 优化

select count(*) from tb_user ; 如果数据量很大，在执行count操作时，是非常耗时的。

• MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(*) 的时候会直接返回这个数，效率很高； 但是如果是带条件的count，MyISAM也慢。

• InnoDB 引擎就麻烦了，它执行 count(*) 的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数。

如果说要大幅度提升InnoDB表的count效率，主要的优化思路：自己计数（可以借助于redis这样的数据库进行,但是如果是带条件的count又比较麻烦了）。

count用法

count() 是一个聚合函数，对于返回的结果集，一行行地判断，如果 count 函数的参数不是NULL，累计值就加 1，否则不加，最后返回累计值。

用法：count（*）、count（主键）、count（字段）、count（数字）

按照效率排序的话，count(字段) < count(主键 id) < count(1) ≈ count(*)，所以尽量使用 count()。

update 优化

尽量根据 主键/索引字段 进行数据更新

update course set name = 'javaEE' where id = 1 ;

当我们在执行这条SQL语句时，会锁定id为1这一行的数据，然后事务提交之后，行锁释放。

但是当我们在执行如下SQL时：

update course set name = 'SpringBoot' where name = 'PHP' ;

当我们开启多个事务，在执行上述的SQL时，我们发现行锁升级为了表锁。 导致该update语句的性能大大降低。

InnoDB的行锁是针对索引加的锁，不是针对记录加的锁 ,并且该索引不能失效，否则会从行锁升级为表锁，一旦升级为表锁，并发性能就会降低。

但是当我们在执行如下SQL时：

update course set name = 'SpringBoot' where name = 'PHP' ;

当我们开启多个事务，在执行上述的SQL时，我们发现行锁升级为了表锁。 导致该update语句的性能大大降低。

InnoDB的行锁是针对索引加的锁，不是针对记录加的锁 ,并且该索引不能失效，否则会从行锁升级为表锁，一旦升级为表锁，并发性能就会降低。